Las aseguradoras avisan: sin datos de calidad, la IA generativa no sirve de nada

La inteligencia artificial generativa promete revolucionar el sector de los seguros, automatizando desde la atención al cliente hasta la gestión de siniestros complejos.

Sin embargo, la realidad de 2026 está siendo un jarro de agua fría para muchas compañías: el 95% de los proyectos piloto corporativos fracasa y nunca llega a lanzarse al mercado.

No es que la tecnología no funcione; el problema está en los cimientos. Según se ha puesto sobre la mesa en el reciente Data Driven Day, organizado por IKN Spain, muchas aseguradoras se han lanzado a la piscina de la IA sin tener lo más importante: datos limpios, estructurados y bien gobernados.

Garbage in, garbage out: el problema de la calidad del dato

En el mundo tecnológico existe una máxima tan vieja como vigente: garbage in, garbage out (si metes basura, sale basura). Esto es exactamente lo que está ocurriendo con la IA generativa aplicada al seguro.

Para que un modelo de IA sea útil y fiable necesita alimentarse de datos de calidad, contextualizados y verificados. Si una aseguradora entrena su sistema con información incompleta, desactualizada o mal estructurada, el resultado es una IA que inventa respuestas o comete errores graves que una empresa regulada no se puede permitir.

Expertos como Leslie Rodríguez (IBM) y Ruth del Campo (Ministerio de Transformación Digital) apuntan a un fallo estructural: muchas compañías han invertido en tecnología, pero no en gobernanza del dato.

“Un dato sin contexto no ayuda, engaña, y en seguros eso acaba en decisiones que no se sostienen. Si automatizas información mal entendida, no ganas velocidad: solo haces los errores más grandes y más difíciles de explicar”, explica David Salazar, experto en Seguros de Roams.

“Esto puede derivar en un sobreprecio o infraprecio del riesgo, que afectará directamente tanto a las aseguradoras como a los asegurados”, añade.

La advertencia no es menor. En un sector donde la correcta tarificación del riesgo es la base del negocio, un error sistemático puede traducirse en pólizas mal calculadas, primas desequilibradas y conflictos con el cliente.

La paradoja del sector: muchos prueban, pocos escalan

Aunque la tasa de fracaso de los grandes pilotos es altísima, el sector no está inmóvil. De hecho, los números dibujan un escenario matizado:

• El 40% de las aseguradoras ya utiliza IA activa: cuatro de cada diez compañías tienen sistemas funcionando, pero suelen ser automatizaciones básicas o procesos acotados, no la gran transformación generativa prometida.
• Modelo híbrido en auge (43%): casi la mitad opta por un esquema en el que la IA asiste, pero la decisión final la toma una persona.

Este enfoque híbrido ya está teniendo impacto en áreas como la gestión de siniestros y la atención al cliente, donde la automatización mejora tiempos pero sigue bajo supervisión humana.

En otras palabras, la IA sí está entrando en el sector, pero con el freno de mano echado y bajo supervisión.

Lo que viene en 2026: higiene de datos antes que nuevos experimentos

El mensaje para lo que queda de año es contundente: se acabó la fase de experimentar sin red. Con normativas de privacidad cada vez más exigentes -más del 80% de las empresas afrontará nuevos requisitos regulatorios- la prioridad ya no es tener el algoritmo más avanzado.

Ahora la ventaja competitiva está en algo menos vistoso, pero mucho más estratégico: la calidad y seguridad del dato.

No es casualidad que, pese al entusiasmo inicial, solo una minoría de aseguradoras considere que la IA es realmente transformadora. Sin una base sólida de información, la promesa tecnológica se queda en piloto eterno.

Si las aseguradoras quieren que ese 95% de proyectos fallidos se convierta en éxito real, tendrán que dejar de mirar únicamente al algoritmo y empezar por lo esencial: ordenar, limpiar y proteger sus propios datos.